应用YOLO深度卷积网络的轨道图像定位算法

• 作者: 张雯柏 李鹏程 郑树彬 郭训
• 来源期刊: 铁道标准设计
• 学科: 交通运输
• 关键词: 摄影测量 轨道图像 扣件 深度学习 YOLO
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 线路/路基
• 页码范围: 22-27
• 页数: 6页
• 分类号: U216.3
• 字数: 3647字
• 语种: 中文
• DOI: 10.13238/j.issn.1004-2954.201909110005

摘要

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势.对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础.由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差.将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Boun-ding Box和类别进行迭代回归,输出扣件位置信息.试验检测50份测试数据,检测正确率达到94％,检测速度54 fps,可以达到实时检测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑树彬	上海工程技术大学城市轨道交通学院	78	287	9.0	13.0
2	郭训	上海工程技术大学城市轨道交通学院	2	3	1.0	1.0
3	李鹏程	上海工程技术大学城市轨道交通学院	6	19	2.0	4.0
4	张雯柏	上海铁大电信科技股份有限公司研究与发展中心	5	0	0.0	0.0